利用机器学习相互作用势在大尺度下准确获取锂金属的表面与有限温度块体性质
材料科学
2023-05-24 v2 机器学习
化学物理
计算物理
摘要
锂金属的性质是设计锂离子电池和锂金属电池的关键参数。由于锂的高反应活性和低熔点，以及锂在电池中存在的微观尺度（在此尺度下锂表现出增强的强度，对枝晶抑制策略有意义），这些性质难以通过实验探测。在计算方面，缺乏在所有性质上一致定量准确的经验势，而第一性原理计算成本过高。本工作中，我们在密度泛函理论（DFT）数据上训练机器学习相互作用势（MLIPs），在大规模长度和时间尺度的广泛模拟中，以复现实验和第一性原理结果的顶尖精度达到当前最佳。我们准确预测了热力学性质、声子谱、弹性常数的温度依赖性，以及利用 DFT 无法获取的各种表面性质。我们确立存在一种 Bell-Evans-Polanyi 关系，将高米勒指数晶面的自吸附能与最小表面扩散势垒相关联。
引用
@article{arxiv.2305.06925,
title = {Accurate Surface and Finite Temperature Bulk Properties of Lithium Metal at Large Scales using Machine Learning Interaction Potentials},
author = {Mgcini Keith Phuthi and Archie Mingze Yao and Simon Batzner and Albert Musaelian and Boris Kozinsky and Ekin Dogus Cubuk and Venkatasubramanian Viswanathan},
journal= {arXiv preprint arXiv:2305.06925},
year = {2023}
}
备注
9 pages, 4 figures, 3 pages of Supporting Information